Home » Departamento de Procesamiento de Señales » Defensa Remota Proyecto : “Cryo-EM Volume Denoising : Análisis de algoritmos de disminución de ruido sobre datos volumétricos obtenidos con criomicroscopía electrónica”

Defensa Remota Proyecto : “Cryo-EM Volume Denoising : Análisis de algoritmos de disminución de ruido sobre datos volumétricos obtenidos con criomicroscopía electrónica”

Lunes 26 de octubre 14:00hs

Tenemos el agrado de invitarlos a la defensa remota del proyecto de fin de carrera : “Cryo-EM Volume Denoising : Análisis de algoritmos de disminución de ruido sobre datos volumétricos obtenidos con criomicroscopía electrónica”

Estudiantes : Alicia Schandy, Alejandro Silva y Nicolás Violante

Tutor : Federico Lecumberry (UdelaR) y Alberto Bartesaghi (Duke University)

Tribunal : Alicia Fernández, José Lezama e Ignacio Ramírez

La defensa se realizará en forma remota a través de Zoom, el link de la reunión es el siguiente :

https://us02web.zoom.us/j/88481590226?pwd=ZUNDWjNWdTVGNkxhdWZpUVJkaFhhdz09

Meeting ID : 884 8159 0226
Passcode : 464972

Les solicitamos ingresar en hora e identificarse con su nombre y apellido real (no con un alias). Para el público en general los micrófonos se mantendrán apagados excepto en el momento que se abra la posibilidad de realizar preguntas.

Saludos,

Federico Lecumberry

Resumen :

La criomicroscopía electrónica es una técnica de imagenología que permite obtener modelos tridimensionales de proteínas, a partir de cientos de miles de imágenes (proyecciones) extremadamente ruidosas de la muestra. Conocer la estructura de las proteínas con gran precisión, es fundamental para comprender mejor distintos procesos biológicos y contribuir al desarrollo de fármacos y vacunas para atacar diferentes enfermedades.

En este proyecto analizamos el desempeño de tres algoritmos de disminución de ruido sobre una proteína llamada beta-galactosidasa: Non-Local Means (NLM), Block-Matching and 4D filtering (BM4D) y Noise2Void (N2V). Estos algoritmos son capaces de aprovechar la redundancia en los modelos tridimensionales de las proteínas para disminuir su nivel de ruido y aumentar su resolución. No obstante, ninguno de estos algoritmos es invariante a rotaciones, lo cual constituye una limitante para la máxima mejora de resolución alcanzable por estos métodos. En este contexto, proponemos una extensión del algoritmo Non-Local Means invariante a rotaciones, que supera a NLM original para esta aplicación en particular pero que a su vez podría constituir una valiosa herramienta de disminución de ruido en otros sets de datos.